《图解机器学习-杉山将著》读书笔记—CH1

CH1 什么是机器学习

 

重点提炼

机器学习的种类：

常分为：监督学习、无监督学习、强化学习等

 

监督学习是学生从老师那获得知识，老师提供对错指示

无监督学习是在没有老师的情况下，学生自习

强化学习是在没有老师指示情况下，学生对预测的结果自我评估，学生为了获得老师的最高嘉奖而不断学习

监督学习应用：手写文字识别、声音处理、图像处理、垃圾邮件分类与拦截、网页检索、基因诊断、股票预测......（回归、分类、排序）

无监督学习应用：人造卫星故障诊断、视频分析、社交网站解析、声音信号解析.....（聚类、异常检测）

强化学习应用：机器人的自动控制、计算机游戏中的人工智能、市场战略的最优化（回归、分类、聚类、降维）

机器学习常见任务：

有回归、分类、异常检测、聚类、降维

异常检测与分类不同的是，异常检测属于无监督，一般采用密度估计的方法，把靠近密度中心的数据作为正常的数据，把偏离密度中心的数据作为异常的数据

聚类与分类不同的是，聚类是属于无监督学习的一种

机器学习的方法：

1. 判别式分类
2. 生成时分类
3. 统计概率
4. 朴素贝叶斯

P10

补充知识来理解书上内容

最大似然估计法的定义：

 

               

 贝叶斯公式：

 

全概率公式：